结构方程模型与AMOS使用_图文
不受量纲影响
（3）非加权最小二乘法
不要求可测变量总体服从正态分布。 试图使∑中的每个元素与S中对应的元素
差距最小。
受量纲影响 不能对参数进行假设检验
3. 计算标准化回归系数
将观察变量标准化 用观察变量的相关系数矩阵 用公式
消除了量纲的影响，可以用来比 较自变量对因变量的相对重要性。绝 对值越大，对因变量的贡献越大。
1
11
y1
31
x1
31
21
y3
3
21
y2
32
2
SPSS数据文件（1）
SPSS数据文件（2） 该内容的计算不用“mean”
非标准结构回归系数与方差
图15-3 父母的社会经济地位对孩子今后大学学习成绩的影响
图15-3 父母的社会经济地位对孩子今后大学学习成绩的影 响
（标准结构回归系数与确定系数R2）
c≥p：可鉴别模型的必要条件 c< p：模型一定不可鉴别
本例c=4(4+1)/2=10; p=10; c=p
自由度 df = c - p
本例df = c – p＝10-10＝0 当自由度为负数，模型一定不可鉴别。 自由度大于或等于0，模型有可能被鉴别
，也有可能不被鉴别。
六、非递归式模型 Nonrecursive Model
estimation）
广义最小二乘法（generalized least-
squares estimation）
非加权最小二乘法（unweighted least-
squares estimation ）
（1）最大似然估计法
要求可测变量为连续变量且服从多元正态
分布。在大样本（n>200）情况下，该估 计的分布近似正态分布。 该估计不受量纲 影响。
图15-3 父母的社会经济地位对孩子今后大学学习成绩的影 响
（标准结构回归系数与确定系数R2）
探索性因子分析
δ1
x1
δ2
x2
δ3
x3
δ4
x4
a11
a21
ξ1
a31 a41
a22 a12
a32
ξ2
a42
潜在因子ξ1表示了孩子的学习状况 潜在因子ξ2表示了家长的知识水平
验证性因子分析
δ1
1. 基本思想
给参数，一组初始估计值，计算出非
独立变量y的预测值以及残差；
令S是yi的实测值的方差协方差矩阵，∑
是yi的预测值的方差协方差矩阵。
如果S和∑没有接近到一定程度，那么再
给出参数的另一组估计值，直到满足精 度要求为止。
2. 估计方法
最大似然估计法（maximum likelihood
δ1
x1
δ2
x2
δ3
x3
δ4
x4
11
21
ξ1
32
ξ2
42
指标变量 因子载荷 潜在因子 度量误差
假设条件
探索性因子分析
验证性因子分析
要求潜在因子相互独 立
不要求潜在因子相互 独立
要求假定潜在变量是 方差为1的变量
不要求假定潜在变量 是方差为1的变量
共性：要求xi是随机变量；误差项相互独立、均 值为0、方差为常数；误差项与所有潜在变量相 互独立
每个潜在因子至少支配两个指标变量 ，但是某些特殊情况中，某个潜在因子只 影响唯一一个指标变量，称之为单指标因 子。
两个因子的因子分析路径图
第三节 验证性因子分析
确定性因子分析在探索性因子分析基础
之上进行
进一步分析潜在因子和指标之间已经确
定的关系
分析潜在因子之间的关联程度 是结构方程模型分析的关键一步
Amos 17.0 可以显示中文
图15-3 父母的社会经济地位对孩子今后大学学习成绩的影响
Estimates Critical Ratio临界比
Squared Multiple Correlations
结果解释
和线性回归分析一样，非标准系数估计
值给出一个变量变化一个单位时，另一 个单位变化的单位数；标准回归系数估 计值给出了一个变量变化一个标准单位 时，另一个变量变化的标准单位数。
31
21
y3
3
21
y2
32
2
X: Social economical status of parent Y1: Motivition interest Y2: Reputation of universiy Y3: Achievement of child in university
确定系数R2：父母的社会经济状况、学
习动机兴趣和学校的知名度仅能解释子 女大学学习成绩变异的10％。
四、直接影响、间接影响和总体 影响
总体影响＝直接影响＋间接影响 如变量x1对y3的总体影响的标准系数等
于路径图中各通道的标准回归系数乘积 之和
总体影响标准系数（x1y3）
=0.05+0.11×0.19+0.11×0.17×0.20+0.28×0.20=0.13
路径分析 探索性因子分析 验证性因子分析 结构方程模型分析 AMOS使用
第一节 路径分析
问题的引出 路径分析的数学模型 路径分析模型的基本要素 路径分析的方法 直接影响、间接影响和总体影响 路径分析模型的可鉴别性和自由度 非递归式模型 路径分析在医学中的应用
可能是相关联的。 非递归式模型：
A B：A可能影响B，B也可能影响A
2. 变量之间的关系分为两类
独立变量与非独立变量之间的关系，回
归系数用 表示（只有箭头出）。
非独立变量之间的关系，回归系数用
表示（箭头有进，或有进有出）。
1
11
y1
31
x1
31
21
y3
3
21
y2
4. 模型的整体检验
评价S和∑的接近程度，等价于评价样本
观察值与模型预测值的差异。方法很多 ，初学者可使用2拟合优度检验法。
评价每个结构方程的确定系数R2
5. 例题
例15-2：为了研究父母的社会经济地位（x1
）对孩子今后大学学习成绩的影响（y3） ，调查了4个变量：父母的社会经济地位（ x1），孩子的学习动机与兴趣（y1），孩子 所在学校的质量或声望（y2），孩子在大学 学习成绩（y3） 。共调查3094名学生。
x1
δ2
x2
a11
a21
ξ1
δ3
x3
δ4
x4
a32
ξ2
a42
只需估计特定因子载荷，其余因子载荷
均假定为0；因子之间的相关系数
2. 验证性因子分析
结构方程模型
3 .结构方程模型（包括单指标因子 ）
结构方程模型的分析步骤
模型设定 模型拟合 模型评价 模型修正 模型解释
内容
有的变量既受其它变量影响，又影响其它变 量
x
y1
y2
1. 路径图
在进行路径分析之前，先根据变量之间
可能存在的或理论上的各种线性关系，
作出路径图。
1
11
y1
31
x1
31
21
y3
3
21
y2
32
2
对于任意两个变量A和B，有四种 可能的基本结构关系
递归式模型：
A→B：A可能影响B，但反过来不影响 A←B：B可能影响A，但反过来不影响 AB :A和B之间无假定的结构关系，但
S使和得∑达越到接最近小，值则的最估大计似然称函为数θF的ML最越大小似。
然值估计。
该方法稳健，是最常用的方法，是结构方
程统计软件AMOS和LISREL（Linear Structural Relationship）的默认方法。
（2）广义最小二乘法
要求可测变量服从正态分布 大样本情况下，与最大似然估计法的结
一、验证性因子分析的基本原理
确定性因子分析在探索性因子分析的基
础之上进行
不需估计所有因子载荷 只需估计特定因子载荷，其余因子载荷
均假定为0 例如：孩子的数学（x1）成绩，孩子的语 文成绩（x2） ，父亲的学历（x3）和母 亲的学历（x4）
探索性因子分析路径图
δ1
x1
δ2
x2
δ3
x3
δ4
总体影响标准系数（y1y3）=0.19+0.17×0.20=0.22 总体影响标准系数（y2y3）=0.20
总体影响标准系数
五、路径分析模型的可鉴别性和自由度
可鉴别性：模型是否有足够观察变量的方差和 协方差信息去估计未知参数
正好可鉴别的模型：有恰好合适的观察变量的
方差和协方差矩阵信息，使所有未知参数的解 都唯一。
过分可鉴别的模型：有过多的观察变量的方差
和协方差矩阵信息，使未知参数的方程组有不 唯一的解。
不足鉴别的模型：没有足够的观察变量的方差
和协方差矩阵信息，使得模型中未知参数的方 程组无解。
可鉴别模型的必要条件
c表示模型中观察变量的方差协方差矩阵的信息 （c=k(k+1)/2）， k表示模型中观察变量的个数 ，p表示模型中待估计的未知参数的个数。
三、验证性因子分析模型的 基本要素
因子载荷矩阵； 潜在变量之间的方差协方差矩阵； 误差项的方差协方差矩阵
四、潜在因子的尺度问题
任何一个观察变量都有尺度（scales）， 即有原点（origin）和单位（unit）。解决 潜在因子的单位问题有两个方法：
假定所有潜在因子的方差为1； 在每一个潜在因子所支配的几个观察变量
amos软件使用与举例PPt讲义
SEM 为线性联立方程式之集合
为了去解一组方程式, 我们必须有足够的信息, 【如已知数据( known values), 或 限制 (constraints)】，才能估计出未知参数 。此乃 SEM模式辨识问题。 除非这组方程式可以辨识, 否则无法获得正确的 参数估计值 -- regardless of how many observations we have.
Fred Li, 2006嘉大
AMOS原始资料输入方式(2)
利用SPSS读入原始资料
Fred Li, 2006嘉大
AMOS原始资料输入方式(3)
当使用纯文字档建档时，需以『，』隔 开各变项之数据，且第一行需列出变项 的名称。从第二行开始，依序输入各变 项的数据。
Fred Li, 2006嘉大
模式与资料之连结设定
Fred Li, 2006嘉大
界定潜在变项的测量单位
理由：因为潜在变项与无法观察的到，其量尺刻度无法确定， 我们必须界定其原点与测量单位，才能估计潜在变项的变异数与 径路系数，以界定其结构模式为可辨认的模式 (An Identified Model) 。 方法(以下两者仅能选其一):
选定一个最能代表潜在变项的观察变项，将其x与y 值加以固定(通常设定为1，会使相关之因子具有相同 之变异数)，误差项的廻归系数亦设定为1 ，才能进行 其余的参数估计。 将潜在变项标准化(如具有相同之变异量或固定为1)。 但只能为变项加以界定(此时可估计其所属的所有因 素负荷量)， 变项则无法做到。因为的共变量矩阵 并非自由参数矩阵，可以任意加以设定。
AMOS具有AMOS Graphics与AMOS Basic 两大运作模式，尤其前者对于径路图之绘制 与输出最为便捷。
AMOS教程(详细版)
应用案例1第一节模型设定结构方程模型分析过程可以分为模型构建、模型运算、模型修正以及模型解释四个步骤。
下面以一个研究实例作为说明，使用Amos7软件2进行计算，阐述在实际应用中结构方程模型的构建、运算、修正与模型解释过程。
一、模型构建的思路本案例在着名的美国顾客满意度指数模型(ASCI)的基础上，提出了一个新的模型，并以此构建潜变量并建立模型结构。
根据构建的理论模型，通过设计问卷对某超市顾客购物服务满意度调查得到实际数据，然后利用对缺失值进行处理后的数据3进行分析，并对文中提出的模型进行拟合、修正和解释。
二、潜变量和可测变量的设定本文在继承ASCI模型核心概念的基础上，对模型作了一些改进，在模型中增加超市形象。
它包括顾客对超市总体形象及与其他超市相比的知名度。
它与顾客期望，感知价格和顾客满意有关，设计的模型见表7-1。
模型中共包含七个因素(潜变量)：超市形象、质量期望、质量感知、感知价值、顾客满意、顾客抱怨、顾客忠诚，其中前四个要素是前提变量，后三个因素是结果变量，前提变量综合决定并影响着结果变量(EugeneW.Anderson&ClaesFornell，2000;殷荣伍，2000)。
表7-1设计的结构路径图和基本路径假设2.1、顾客满意模型中各因素的具体范畴1关于该案例的操作也可结合书上第七章的相关内容来看。
2本案例是在Amos7中完成的。
3见spss数据文件“处理后的数据.sav”。
参考前面模型的总体构建情况、国外研究理论和其他行业实证结论，以及小范围甄别调查的结果，模型中各要素需要观测的具体范畴，见表7-2。
表7-2模型变量对应表三、关于顾客满意调查数据的收集本次问卷调研的对象为居住在某大学校内的各类学生（包括全日制本科生、全日制硕士和博士研究生），并且近一个月内在校内某超市有购物体验的学生。
调查采用随机拦访的方式，并且为避免样本的同质性和重复填写，按照性别和被访者经常光顾的超市进行控制。
amos-验证性因子分析结构方程建模步步教程
应用案例第一节模型设定结构方程模型分析过程可以分为模型构建、模型运算、模型修正以及模型解释四个步骤。
下面以一个研究实例作为说明，使用Amos7 软件1 2进行计算，阐述在实际应用中结构方程模型的构建、运算、修正与模型解释过程。
模型构建的思路本案例在著名的美国顾客满意度指数模型(ASCI)的基础上，提出了一个新的模型，并以此构建潜变量并建立模型结构。
根据构建的理论模型，通过设计问卷对某超市顾客购物服务满意度调查得到实际数据，然后利用对缺失值进行处理后的数据3进行分析，并对文中提出的模型进行拟合、修正和解释。
二、潜变量和可测变量的设定本文在继承ASCI 模型核心概念的基础上，对模型作了一些改进，在模型中增加超市形象。
它包括顾客对超市总体形象及与其他超市相比的知名度。
1关于该案例的操作也可结合书上第七章的相关内容来看。
2本案例是在Amos7 中完成的。
3见spss 数据文件“处理后的数据.sav”。
2.1、顾客满意模型中各因素的具体范畴参考前面模型的总体构建情况、国外研究理论和其他行业实证结论，以及小范围甄别调查的结果，模型中各要素需要观测的具体范畴，见表7-2 。
模型变量对应表它与顾客期望，感知价格和顾客满意有关，设计的模型见表7-1 。
模型中共包含七个因素(潜变量)：超市形象、质量期望、质量感知、感知价值、顾客满意、顾客抱怨、顾客忠诚，其中前四个要素是前提变量，后三个因素是结果变量，前提变量综合决定并影响着结果变量(Eugene W. Anderson & Claes Fornell ，2000;殷荣伍，2000) 。
表7-1 设计的结构路径图和基本路径假设设计的结构路径图顾客抱怨感知价值顾客满意质量感知顾客忠诚基本路径假设? 超市形象对质量期望有路 径影响? 质量期望对质量感知有路径影响? 质量感知对感知价格有路 径影响? 质量期望对感知价格有路 径影响? 感知价格对顾客满意有路 径影响? 顾客满意对顾客忠诚有路 径影响? 超市形象对顾客满意有表 7-2超市形象质量期望潜变量 内涵 可测变量(一) 超 根据 MARTENSEN 在固定 电话、移动电话、超市等行业中的调查研究， 企业形象 是影响总体满意水平的第 一要素，这里将超市形象要 素列为影响因素， 可以从以 下几个方面进行观测。
结构方程模型与AMOS使用教学课件
支持多种结构方程模型，允许用户自 定义模型参数和变量。
Amos软件的特点与功能
强大的统计分析功能
提供多种统计检验和方法，帮助用户 深入分析数据。
输出结果可视化
Amos可以将输出结果以图形方式展 示，方便用户理解和解释。
Amos软件的特点与功能
结构方程模型分析
支持多种结构方程模型，如因果模型、路径模型、潜变量模 型等。
模型的修正与优化
要点一
模型的修正
在模型拟合过程中，如果发现模型的拟合指数不达标，可 以对模型进行修正。例如，增加或删除某些路径，或者调 整某些变量的定义范围等。
要点二
模型的优化
为了提高模型的拟合效果，可以对模型进行优化。例如， 调整某些参数的估计方法，或者使用更复杂的模型来解释 数据之间的关系等。
工具栏
提供常用工具按钮，方便用户 快速执行常用操作。
属性栏
用于设置和修改图形属性，如 节点属性、连接线属性等。
结构方程模型在Amos中的实现
和问题，确定需要考察的变量和关 系。
导入Amos软件
打开Amos软件，选择合适的文件类型，将模型 草图导入软件中。
ABCD
参数估计与检验
提供参数估计和检验功能，帮助用户确定模型参数的显著性 和意义。
Amos软件的特点与功能
模型拟合评价
可以对模型拟合程度进行评价，判断模型是否符合数据。
假设检验
支持用户进行假设检验，对模型中的特定关系进行验证。
Amos软件的安装与启动
下载安装包
从Amos官网或其他可信来源下载安装包。
安装软件
激励和管理建议。
Amos软件的高级功能
模型比较与选择
模型比较
结构方程模型amos的操作与应用
结构方程模型(AMOS)的操作与应用引言结构方程模型（Structural Equation Modeling，简称SEM）是一种统计分析方法，用于研究变量之间的因果关系。
AMOS是一个常用的SEM分析软件包，能够进行参数估计、模型拟合优度检验和模型比较等。
在本文中，我们将详细讨论AMOS的操作和应用，旨在帮助读者了解如何使用AMOS进行结构方程建模。
AMOS的基本操作安装和启动AMOS软件1.从官方网站下载AMOS软件安装文件，并按照提示安装。
2.启动AMOS软件。
数据准备1.将需要分析的数据整理为适合AMOS的格式，通常是CSV或SPSS格式。
2.导入数据到AMOS软件中。
构建模型1.选择适当的测量模型和结构模型形式。
2.在AMOS中使用拖放功能构建模型结构，包括添加变量、指定因子和路径等。
参数估计与模型拟合优度检验1.运行模型估计，AMOS将根据输入数据对模型参数进行估计。
2.根据估计的参数值和数据拟合情况，进行模型拟合优度检验。
常用的指标有卡方检验、根均方误差（RMSEA）和比较度指数（CFI）等。
模型修正与改进1.根据模型拟合指标的结果，如果模型拟合不佳，需要进行模型修正和改进。
2.在AMOS中，可以通过添加或删除路径、改变指定因子等方式来改善模型拟合。
结果分析与解释1.根据模型估计结果，进行结果分析和解释。
2.可以通过检查路径系数、因子载荷等参数来判断变量之间的关系强度和方向。
AMOS的高级应用多组比较1.在分析中，可能需要比较不同组别（如男性与女性）之间的结构模型是否等价。
2.在AMOS中，可以使用多组比较功能，通过比较不同组别的结构模型参数估计值和拟合指标来判断模型等价性。
中介效应分析1.中介效应分析用于探究一个因变量和一个自变量之间的关系是否通过中介变量而产生。
2.在AMOS中，可以使用路径分析方法进行中介效应分析，并通过拟合指标和参数估计值来判断中介效应的存在与大小。
多样本分析1.在某些情况下，需要对来自不同样本的数据进行比较和分析。
结构方程模型建模思路及amos操作--基础准备_概述及解释说明
结构方程模型建模思路及amos操作--基础准备概述及解释说明1. 引言1.1 概述本篇长文旨在介绍结构方程模型（Structural Equation Modeling，SEM）的建模思路及在AMOS软件中的操作流程。
结构方程模型是一种多变量统计分析方法，通过将观测变量和潜在变量结合起来建立数学模型，从而揭示背后的潜在关系和影响机制。
本文将详细解释SEM的基础概念、变量类型与测量以及模型参数估计方法。
1.2 文章结构文章主要分为五个部分。
首先，在引言中概述了本文的目标和结构。
其次，在第二部分中，我们将介绍结构方程模型的基础概念，包括对SEM的简单介绍、不同变量类型和测量方法以及常用的参数估计方法。
接下来，在第三部分中，我们将详细介绍AMOS软件，并提供相关操作准备工作，包括数据准备和输入、模型设定与修改等内容。
在第四部分中，我们将逐步解释结构方程模型的建模步骤，并阐述模型规划与理论支撑、指标选择及路径图绘制以及模型拟合评估和修正等详细内容。
最后，在第五部分中，我们将总结本研究的主要发现和启示，并提出方法的局限性和改进建议，同时展望未来的研究方向。
1.3 目的本文的目的是帮助读者全面理解结构方程模型建模思路，并能够熟练运用AMOS软件进行相应的操作。
通过具体实例和详细步骤的阐述，旨在提供一个基础准备，使读者能够在自己的研究中应用结构方程模型进行数据分析和模型测试。
同时，本文还将总结结构方程模型在研究中的应用总结与经验教训，并对其未来发展提出展望。
通过阅读本文，读者将能够更好地理解并掌握结构方程模型及其在研究领域中的价值和作用。
2. 结构方程模型基础概念：2.1 结构方程模型简介：结构方程模型（Structural Equation Modeling，简称SEM）是一种统计分析方法，被广泛应用于社会科学和心理学领域，以探索变量之间的潜在关系。
它可以同时建立观察变量与潜变量之间的关系模型，并通过拟合度指标来评估模型的适配度。
Amos软件介绍PPT课件
22
Summary:演示操作
• 打开AMOS界面
精选PPT课件
23
• 选择或新建文件—打开
精选PPT课件
24
• 绘图—导入数据—分析（estimation、output）
精选PPT课件
25
复制路径图到WORD—完成
• 模型的检验
精选PPT课件
26
模型的修正
模型的修正就是根据AMOS的输入结构，删除不合 适的路径，调整变量之间的关系，使结果达到符合指标 的要求。
•确定变量-----设定模型-----输入数据---进行分析-----模型检验(中介检验须有残差--模 型修正）---得到最终结果
论文中非标准化值和非标准化值的区别
一般来说：标准化值：测显著水平 非标准化值：影响的大小或能力强度
精选PPT课件
19
精选PPT课件
20
精选PPT课件
21
精选PPT课件
精选PPT课件
2
1.AMOS是什么
• AMOS(Analysis of Moment Structure)之简 称，一种处理SEM结构方程模型的软件。 由SPSS公司开发，无需编程，易学易用。 （潜在变量的路径分析）
• 它具有AMOS Graphics与AMOS Basic两大 运行模式，前者对于路径图的绘制与输出 最为便捷。现有结构方程模型有： LISTEL/EQS/Mplus等
精选PPT课件
3
2.结构方程模型SEM
SEM（协方差结构模型）
(Strcture Equation Modeling) 一种建立、估计和检验因果关系的模型，也是基于变量的协 方差矩阵来分析变量之间的一种统计方法。
精选PPT课件
结构方程模型之Amos操作
估计方法（见下）
2、置信区间法：bootstrap 计算置信区间
三个置信区间解释及来源:SE 计算，bias-cor(正态的中位数应=点估计值，不满足需移
动这个区间), percentile(相关系数的 5%,97.5%) 建议适用:因子与因子相关>0.7 时。
3、模型比较法：通过模型比较检测因子相关系数。
26 课程笔记
2.2、查看分析文档（一般要求：CR>0.7，AVE>0.5） 2.3、制作 CFA 汇报表（一般要求：CR>0.7，AVE>0.5
3 课程笔记
2.4、分析区别效度
4 课程笔记
收敛效度
区别效度
AVE
intention
impulse
perqual
cognition
0.574
0.758
0.555
0.732
22 课程笔记
8 模型修正
模型不好的原因： 1、样本太大 2、模型变量太多 3、数据不符合多元正态分布，多元正态分配鉴定值不能超过 5。则卡方值会膨胀 因此模型修正，修正的是卡方值。是用修正后的卡方值去算各种拟合值。 根据 Boring，1993 的建议，
23 课程笔记
24 课程笔记
25 课程笔记
7 课程笔记
正确做法：
查看结果：结果显著，拒绝构面间无区分度的假设。
8 课程笔记
3、验证结构方程模型
3.1 先查看是否符合研究假设 3.2 查看指标：
1）先看模型拟合度， NPAR——估计参数个数，CMIN-卡方值，Pvalue 在样本领超过 200 时一般都会显著， 因此不报告
9 课程笔记
GFI AGFI，一般>0.9,0.8 可接受 TLI（NNFI）、CFI>0.9 RMSEA 一般建议<0.08 RMR 也有人报告，但是非标注化值，一般用 SRMR（<0.08）来代替，但 AMOS 并未涉 及，可用外挂程序来获得。Plugins-standard RMR-打开窗口，一直开着进行计算可 以出现 SRMR。 2)回归分析看结构模型是否显著，测量模型已经检查过不用再看 3）报告标准化回归系数（一般要求>0.2,最好>0.3,系数越高贡献越大）
结构方程模型简介Lisrel与Amos的初级应用公开课获奖课件百校联赛一等奖课件
SEM概念
概念1：构造方程模型(Structural Equation Modeling，简称SEM)是基于变 量旳协方差矩阵来分析变量之间关系旳一种综合性旳统计措施，所以又称为 协方差构造分析。
概念2：构造方程模型是一种通用旳线性统计建模技术。它主要是利用联立 方程组求解，但是没有严格旳假设限定条件，同步允许自变量和因变量存在 测量误差。
1、以关键理论为基础； 2、以有关实证发觉为建立潜在自变量与潜在因变量间因果关系 之根据； 3、透过逻辑推理过程验证或修正上述已建立之因果关系； 4、藉由有关理论综述与实地深度访谈，进一步验证初步建立之 因果关系。
13
实例：速度营销动态能力对企业绩效旳影响
1、模型构建 E1 理论发展 E2 模型界定 E3 变量拟定 E3 研究假设 S1
S2
S3
反应效率 反应速度
M1
市场绩效
M2
M3
F1
财务绩效
F2
F3
H1：速度营销反应效率对企业市场绩效存在正向旳影响关系； H2：速度营销反应速度对企业市场绩效存在正向旳影响关系； H3：速度营销反应效率对企业财务绩效存在正向旳影响关系； H4：速度营销反应速度对企业财务绩效存在正向旳影响关系；
14
2、前期工作
研究设计 变量旳测量（李克特量表） 问卷设计 数据搜集
前期数据分析 描述性统计(SPSS,EXCEL) 信度分析(SPSS) 效度分析 EFA
15
309份有效问卷
16
信度分析(SPSS)
• 信度（Reliability）又可称为可靠性，是指测验旳可信程度。 信度好旳指标在一样或类似旳条件下反复操作，能够得到一致 或稳定旳成果。它主要体现测验成果旳一致性、一贯性、再现 性和稳定性。
AMOS
结构方程模型就是反映潜变量之间关系的因 果模型与反应指标（显变量）与潜变量之间 关系的因子模型的结合。结构方程模型可使 用路径图来进行分析，路径图是使用图形形 式表示变量之间的各种线性关系。
路径图中有以下图示，在AMOS Graphic里面 都可以用到： 显变量 因果关系 潜变量 相关关系
使用AMOS建立结构方程模型
本论文模型拟合度各指标如下： 拟合指数 χ2/df RMSEA NFI IFI CFI 指标值 2.071 0.087 0.458 0.621 0.616 由以上拟合指数可以看出，本模型较好地拟 合了变量之间的关系，达到了基本的建模效 果。
模型修正 模型修正就是根据AMOS的输入结果，删除 不合适的路径，调整变量之间的关系，使结 果达到符合指标的要求。
近似误差均方根(RMSEA)。 Steiger(1990)提出了近似误差均方根 (RMSEA)，并指出，RMSEA低于0.1表示好 的拟合；低于0.05表示非常好的拟合；低于 0.01表示非常出色的拟合。 规范拟合指数（NFI）。 这个指数是通过对设定模型的χ2值与独立模 型的χ2值比较来评价，其取值范围为0到1， NFI越接近于1，模型拟合程度越好。
综上所述，使用AMOS软件分析结构方程模 型的过程包括： 确定变量——设定模型——输入数据——进 行分析——模型检验——模型修正——得到 最终结果
模型设定： 结构模型是反映潜变量之间关系的方程，那 我们首先要根据已有的经验或理论确定的关 系，利用路径图直观表示各个潜变量的关系 走向，这就是设定结构模型。
数据输入 数据可输入的时候可在excel或spss里面预 先输入好，amos支持.xls和.sav等多种的数 据格式。
模型评价 我们需要对所建立的结构方程模型进行指标 评价。结构方程建模提供了多种模型拟合指 标，常用的模型适配度指标检验指标包括：